图像方向识别方法、装置、终端设备及可读存储介质与流程

本发明属于图像处理技术领域，尤其涉及一种图像方向识别方法、装置、终端设备及计算机可读存储介质。

背景技术：

传统的图像方向信息是包含在jpeg图像格式头部，这个信息是在写jpeg格式文件时候插入的。通常，这个方向信息比较简单，只包含两个方向的说明，即图像是90度的或者是180度拍摄的。对于普通拍摄的展示，这两个方向的信息是足够用了，在展示或者图像相似性比较的时候只需要根据文件头的方向信息重新校正图像方向就可以做进一步的处理。但更多的情况是，图像不是使用这两种特定的角度拍摄，在图像展示或者其他处理前，往往需要专门的工作人员对图像方向进行人工识别，费时费力、人力成本极高。

技术实现要素：

有鉴于此，本发明实施例提供了一种图像方向识别方法、装置、终端设备及计算机可读存储介质，以解决现有技术中需要专门的工作人员对图像方向进行人工识别，费时费力、人力成本极高的问题。

本发明实施例的第一方面提供了一种图像方向识别方法，可以包括：

从目标图像中确定出用于进行方向识别的参照物；

从预设的角度集合中选取一个角度作为当前旋转角度，所述角度集合中的各个角度在圆周上等距分布；

将所述参照物按照所述当前旋转角度进行旋转，得到旋转后的参照物；

计算所述旋转后的参照物的特征向量；

使用预设的分类器对所述特征向量进行匹配，得到匹配结果；

若所述匹配结果为失败，则从所述角度集合中删除所述当前旋转角度，然后返回执行所述从预设的角度集合中选取一个角度作为当前旋转角度的步骤，直至匹配结果为成功或者所述角度集合为空为止；

若所述匹配结果为成功，则根据所述当前旋转角度确定所述目标图像的方向。

进一步地，所述从目标图像中确定出用于进行方向识别的参照物可以包括：

对所述目标图像进行灰度化处理，得到灰度图像；

计算所述灰度图像中各个像素点的梯度幅度值；

将所述灰度图像中梯度幅度值大于预设的幅度阈值的像素点确定为边缘像素点；

将由所述边缘像素点围合成的图形确定为用于进行方向识别的所述参照物。

进一步地，所述计算所述灰度图像中各个像素点的梯度幅度值可以包括：

从所述灰度图像中选取一个像素点作为当前像素点；

计算所述当前像素点的灰度值与第一参考像素点的灰度值之间的第一差值，所述第一参考像素点为与所述当前像素点相邻且位于所述当前像素点右下方的像素点；

计算第二参考像素点的灰度值与第三参考像素点的灰度值之间的第二差值，所述第二参考像素点为与所述当前像素点相邻且位于所述当前像素点右方的像素点，所述第三参考像素点为与所述当前像素点相邻且位于所述当前像素点下方的像素点；

分别对所述第一差值和所述第二差值求绝对值并求和，得到所述当前像素点的梯度幅度值；

从所述灰度图像中选取一个尚未计算过梯度幅度值的像素点作为当前像素点，然后返回执行所述计算所述当前像素点的灰度值与第一参考像素点的灰度值之间的第一差值的步骤，直至所述灰度图像中的像素点均被计算过梯度幅度值为止。

进一步地，所述计算所述旋转后的参照物的特征向量可以包括：

计算所述旋转后的参照物中各个像素点的梯度幅度值和梯度方向；

将所述参照物划分为预设数目的包含相同像素点数的区块；

根据所述梯度幅度值和所述梯度方向计算各个区块的特征向量；

将各个区块的特征向量合并为所述旋转后的参照物的特征向量。

进一步地，所述使用预设的分类器对所述特征向量进行匹配可以包括：

分别计算所述分类器中的各个模板向量与所述特征向量之间的匹配度；

从计算得到的各个匹配度中选取出最高的匹配度；

若所述最高的匹配度大于预设的匹配度阈值，则判定匹配成功；

若所述最高的匹配度小于或预设的匹配度阈值，则判定匹配失败。

本发明实施例的第二方面提供了一种图像方向识别装置，可以包括：

参照物确定模块，用于从目标图像中确定出用于进行方向识别的参照物；

旋转角度选取模块，用于从预设的角度集合中选取一个角度作为当前旋转角度，所述角度集合中的各个角度在圆周上等距分布；

参照物旋转模块，用于将所述参照物按照所述当前旋转角度进行旋转，得到旋转后的参照物；

参照物特征向量计算模块，用于计算所述旋转后的参照物的特征向量；

特征向量匹配模块，用于使用预设的分类器对所述特征向量进行匹配，得到匹配结果；

图像方向确定模块，用于若所述匹配结果为成功，则根据所述当前旋转角度确定所述目标图像的方向。

进一步地，所述参照物确定模块可以包括：

灰度化处理单元，用于对所述目标图像进行灰度化处理，得到灰度图像；

梯度幅度值计算单元，用于计算所述灰度图像中各个像素点的梯度幅度值；

边缘像素点确定单元，用于将所述灰度图像中梯度幅度值大于预设的幅度阈值的像素点确定为边缘像素点；

参照物确定单元，用于将由所述边缘像素点围合成的图形确定为用于进行方向识别的所述参照物。

进一步地，所述梯度幅度值计算单元可以包括：

像素点选取子单元，用于从所述灰度图像中选取一个像素点作为当前像素点；

第一差值计算子单元，用于计算所述当前像素点的灰度值与第一参考像素点的灰度值之间的第一差值，所述第一参考像素点为与所述当前像素点相邻且位于所述当前像素点右下方的像素点；

第二差值计算子单元，用于计算第二参考像素点的灰度值与第三参考像素点的灰度值之间的第二差值，所述第二参考像素点为与所述当前像素点相邻且位于所述当前像素点右方的像素点，所述第三参考像素点为与所述当前像素点相邻且位于所述当前像素点下方的像素点；

梯度幅度值计算子单元，用于分别对所述第一差值和所述第二差值求绝对值并求和，得到所述当前像素点的梯度幅度值。

进一步地，所述参照物特征向量计算模块可以包括：

梯度幅度值和梯度方向计算单元，用于计算所述旋转后的参照物中各个像素点的梯度幅度值和梯度方向；

区块划分单元，用于将所述参照物划分为预设数目的包含相同像素点数的区块；

区块特征向量计算单元，用于根据所述梯度幅度值和所述梯度方向计算各个区块的特征向量；

特征向量合并单元，用于将各个区块的特征向量合并为所述旋转后的参照物的特征向量。

进一步地，所述特征向量匹配模块可以包括：

匹配度计算单元，用于分别计算所述分类器中的各个模板向量与所述特征向量之间的匹配度；

最高匹配度选取单元，用于从计算得到的各个匹配度中选取出最高的匹配度；

匹配成功判断单元，用于若所述最高的匹配度大于预设的匹配度阈值，则判定匹配成功；

匹配失败判断单元，用于若所述最高的匹配度小于或预设的匹配度阈值，则判定匹配失败。

本发明实施例的第三方面提供了一种图像方向识别终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以上任一种图像方向识别方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以上任一种图像方向识别方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先从目标图像中抽取出用于进行方向识别的参照物，将该参照物作为方向识别的基准，然后从预设的角度集合中选取一个角度作为当前旋转角度，所述角度集合中的各个角度在圆周上等距分布，将所述参照物按照所述当前旋转角度进行旋转，得到旋转后的参照物，计算所述旋转后的参照物的特征向量，使用预设的分类器对所述特征向量进行匹配，得到匹配结果，若所述匹配结果为失败，则从所述角度集合中删除所述当前旋转角度，然后返回执行所述从预设的角度集合中选取一个角度作为当前旋转角度的步骤，直至匹配结果为成功或者所述角度集合为空为止，若所述匹配结果为成功，则根据所述当前旋转角度确定所述目标图像的方向，即利用分类器自动地从各个在圆周上等距分布的角度对参照物进行匹配，匹配失败则变更角度，直至在某一角度下匹配成功，则可确定出图像方向，整个识别过程无需人工介入，省时省力，极大降低了人力成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的图像方向识别方法的示意流程图；

图2为从目标图像中确定出用于进行方向识别的参照物的示意流程图；

图3为计算旋转后的参照物的特征向量的示意流程图；

图4为本发明实施例提供的图像方向识别装置的示意框图；

图5是本发明实施例提供的图像方向识别终端设备的示意框图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，是本发明实施例提供的一种图像方向识别方法的示意流程图，所述方法可以包括：

步骤s101、从目标图像中确定出用于进行方向识别的参照物。

优选地，步骤s101可以包括如图2所示的步骤：

步骤s1011、对所述目标图像进行灰度化处理，得到灰度图像。

所述目标图像一般是rgb形式的，其中，r代表红色分量，g代表绿色分量，b代表蓝色分量，则灰度值gray可以通过以下公式进行计算：gray＝r*0.3+g*0.59+b*0.11。

步骤s1012、计算所述灰度图像中各个像素点的梯度幅度值；

具体地，首先从所述灰度图像中选取一个像素点作为当前像素点，然后计算所述当前像素点的灰度值与第一参考像素点的灰度值之间的第一差值，并计算第二参考像素点的灰度值与第三参考像素点的灰度值之间的第二差值，所述第一参考像素点为与所述当前像素点相邻且位于所述当前像素点右下方的像素点，所述第二参考像素点为与所述当前像素点相邻且位于所述当前像素点右方的像素点，所述第三参考像素点为与所述当前像素点相邻且位于所述当前像素点下方的像素点。分别对所述第一差值和所述第二差值求绝对值并求和，得到所述当前像素点的梯度幅度值。接着，从所述灰度图像中选取一个尚未计算过梯度幅度值的像素点作为当前像素点，然后返回执行所述计算所述当前像素点的灰度值与第一参考像素点的灰度值之间的第一差值的步骤及其后续步骤，直至所述灰度图像中的像素点均被计算过梯度幅度值为止。

步骤s1013、将所述灰度图像中梯度幅度值大于预设的幅度阈值的像素点确定为边缘像素点。

一般地，某个像素点的梯度幅度值越大，则说明其附近的灰度变化也越大，而灰度变化大的区域往往就是图像的边缘。在本实施例中，根据实际情况预先设置了一个幅度阈值，将大于该幅度阈值的像素点确定为边缘像素点。

步骤s1014、将由所述边缘像素点围合成的图形确定为用于进行方向识别的所述参照物。

需要注意的是，若所述边缘像素点围合出了多个参照物，则可以从中选择一个进行方向识别，例如，可以选取面积最大，也即包含像素点个数最多的参照物来进行方向识别。

步骤s102、从预设的角度集合中选取一个角度作为当前旋转角度。

所述角度集合中的各个角度在圆周上等距分布。例如，所述角度集合可以中可以包含以下角度：0度、45度、90度、135度、180度、225度、270度、315度。当然，也可以根据实际情况选择更多或者更少的角度来构成该角度集合，需要注意的是，角度集合中的角度越多，则计算耗时越长，但结果会越精确，反之，角度集合中的角度越少，则计算耗时越短，但结果会越粗略。优选地，可以根据当前的终端设备的计算能力来确定所述角度集合中的角度个数，以使角度个数与终端设备的计算能力正相关。

步骤s103、将所述参照物按照所述当前旋转角度进行旋转，得到旋转后的参照物。

优选地，可以预先建立起所述目标图像的笛卡尔坐标系，以所述目标图像的左下角为原点，左边沿为y轴，下边沿为x轴。所述将所述参照物按照所述当前旋转角度进行旋转，是指在该坐标系下，将所述参照物按照所述当前旋转角度以顺时针方向进行旋转。

步骤s104、计算所述旋转后的参照物的特征向量。

优选地，步骤s104可以包括如图3所示的步骤：

步骤s1041、计算所述旋转后的参照物中各个像素点的梯度幅度值和梯度方向。

首先从所述旋转后的参照物中选取一个像素点作为当前像素点，然后计算所述当前像素点的灰度值与第一参考像素点的灰度值之间的第一差值，并计算第二参考像素点的灰度值与第三参考像素点的灰度值之间的第二差值，所述第一参考像素点为与所述当前像素点相邻且位于所述当前像素点右下方的像素点，所述第二参考像素点为与所述当前像素点相邻且位于所述当前像素点右方的像素点，所述第三参考像素点为与所述当前像素点相邻且位于所述当前像素点下方的像素点。分别对所述第一差值和所述第二差值求绝对值并求和，得到所述当前像素点的梯度幅度值，计算所述第二差值和所述第一差值的比值，然后计算该比值的反正切函数，得到所述当前像素点的梯度方向。接着，从所述灰度图像中选取一个尚未计算过梯度幅度值和梯度方向的像素点作为当前像素点，然后返回执行所述计算所述当前像素点的灰度值与第一参考像素点的灰度值之间的第一差值的步骤及其后续步骤，直至所述灰度图像中的像素点均被计算过梯度幅度值和梯度方向为止。

步骤s1042、将所述参照物划分为预设数目的包含相同像素点数的区块。

举例说明如下：若所述参照物所占据的像素点范围为20行20列的像素点矩阵，每个区块为5行5列的像素点矩阵，则所述参照物可划分为16个区块。进一步地，还可以将这些区块组成较大的区块组，例如，每个区块组可以由4个区块组成，区块组之间可以有部分重叠的区域。

步骤s1043、根据所述梯度幅度值和所述梯度方向计算各个区块的特征向量。

梯度方向的取值范围为-90度到90度，可以将其平均分为9个方向区间，然后计算每个区块中的像素点在各个方向区间的权重，得到一个9维向量，例如，每个区块共有25个像素点，在9个方向区间的个数分别为7、5、1、1、1、1、1、4、4，则在各个方向区间的权重分别为0.28、0.2、0.04、0.04、0.04、0.04、0.04、0.16、0.16，结合各自的方向性，即可得到该区块的特征向量。

步骤s1044、将各个区块的特征向量合并为所述旋转后的参照物的特征向量。

在得到各个区块的特征向量后，还可以进一步地将同一区块组内的区块的特征向量通过顺序连接的方式合并为该区块组的特征向量，例如，某区块组共由4个区块组成，其特征向量分别为t1、t2、t3、t4，则该区块组的特征向量为[t1，t2，t3，t4]，若每个区块是一个9维向量，则该区块组为一个36维向量。最后，可以将各个区块组的特征向量通过顺序连接的方式合并为所述旋转后的参照物的特征向量。

步骤s105、使用预设的分类器对所述特征向量进行匹配，得到匹配结果。

首先，分别计算所述分类器中的各个模板向量与所述特征向量之间的匹配度。例如，若用x表示所述特征向量，用y表示当前的模板向量，两者的维度均为n，用sim(x,y)表示两者的匹配度，则：

其中，xi表示所述特征向量的第i个维度，yi表示所述模板向量的第i个维度。

然后从计算得到的各个匹配度中选取出最高的匹配度，若所述最高的匹配度大于预设的匹配度阈值，则判定匹配成功；若所述最高的匹配度小于或预设的匹配度阈值，则判定匹配失败。

步骤s106、判断所述匹配结果是否为成功。

若所述匹配结果为失败，则执行步骤s107及其后续步骤，若所述匹配结果为成功，则执行步骤s110。

步骤s107、从所述角度集合中删除所述当前旋转角度。

也即在确定所述当前旋转角度匹配失败后，将其删除，不再对其进行再次匹配。

步骤s108、判断所述角度集合是否为空。

若所述角度集合为空，则说明所有的角度都已遍历过，但均匹配失败，此时执行步骤s109，若所述角度集合不为空，则返回执行步骤s102及其后续步骤。

步骤s109、判定图像方向识别失败。

一般地，识别失败主要是由于所述分类器中的模板向量不够全面，因此，为了提高识别的成功率，需要所述分类器中的模板向量足够多，也即能够对各种不同的参照物进行识别。

步骤s110、根据所述当前旋转角度确定所述目标图像的方向。

一般地，可以直接将匹配结果为成功的所述当前旋转角度确定为所述目标图像的方向，例如若在旋转角度为45度，所述匹配结果为成功，则可确定所述目标图像的方向为45度。

综上所述，本方案实施例首先从目标图像中抽取出用于进行方向识别的参照物，将该参照物作为方向识别的基准，然后从预设的角度集合中选取一个角度作为当前旋转角度，所述角度集合中的各个角度在圆周上等距分布，将所述参照物按照所述当前旋转角度进行旋转，得到旋转后的参照物，计算所述旋转后的参照物的特征向量，使用预设的分类器对所述特征向量进行匹配，得到匹配结果，若所述匹配结果为失败，则从所述角度集合中删除所述当前旋转角度，然后返回执行所述从预设的角度集合中选取一个角度作为当前旋转角度的步骤，直至匹配结果为成功或者所述角度集合为空为止，若所述匹配结果为成功，则根据所述当前旋转角度确定所述目标图像的方向，即利用分类器自动地从各个在圆周上等距分布的角度对参照物进行匹配，匹配失败则变更角度，直至在某一角度下匹配成功，则可确定出图像方向，整个识别过程无需人工介入，省时省力，极大降低了人力成本。

如图4所示，是本发明实施例提供的一种图像方向识别装置的示意框图，所述装置可以包括：

参照物确定模块401，用于从目标图像中确定出用于进行方向识别的参照物；

旋转角度选取模块402，用于从预设的角度集合中选取一个角度作为当前旋转角度，所述角度集合中的各个角度在圆周上等距分布；

参照物旋转模块403，用于将所述参照物按照所述当前旋转角度进行旋转，得到旋转后的参照物；

参照物特征向量计算模块404，用于计算所述旋转后的参照物的特征向量；

特征向量匹配模块405，用于使用预设的分类器对所述特征向量进行匹配，得到匹配结果；

图像方向确定模块406，用于若所述匹配结果为成功，则根据所述当前旋转角度确定所述目标图像的方向。

进一步地，所述参照物确定模块可以包括：

灰度化处理单元，用于对所述目标图像进行灰度化处理，得到灰度图像；

梯度幅度值计算单元，用于计算所述灰度图像中各个像素点的梯度幅度值；

边缘像素点确定单元，用于将所述灰度图像中梯度幅度值大于预设的幅度阈值的像素点确定为边缘像素点；

参照物确定单元，用于将由所述边缘像素点围合成的图形确定为用于进行方向识别的所述参照物。

进一步地，所述梯度幅度值计算单元可以包括：

像素点选取子单元，用于从所述灰度图像中选取一个像素点作为当前像素点；

第一差值计算子单元，用于计算所述当前像素点的灰度值与第一参考像素点的灰度值之间的第一差值，所述第一参考像素点为与所述当前像素点相邻且位于所述当前像素点右下方的像素点；

第二差值计算子单元，用于计算第二参考像素点的灰度值与第三参考像素点的灰度值之间的第二差值，所述第二参考像素点为与所述当前像素点相邻且位于所述当前像素点右方的像素点，所述第三参考像素点为与所述当前像素点相邻且位于所述当前像素点下方的像素点；

梯度幅度值计算子单元，用于分别对所述第一差值和所述第二差值求绝对值并求和，得到所述当前像素点的梯度幅度值。

进一步地，所述参照物特征向量计算模块可以包括：

梯度幅度值和梯度方向计算单元，用于计算所述旋转后的参照物中各个像素点的梯度幅度值和梯度方向；

区块划分单元，用于将所述参照物划分为预设数目的包含相同像素点数的区块；

区块特征向量计算单元，用于根据所述梯度幅度值和所述梯度方向计算各个区块的特征向量；

特征向量合并单元，用于将各个区块的特征向量合并为所述旋转后的参照物的特征向量。

进一步地，所述特征向量匹配模块可以包括：

匹配度计算单元，用于分别计算所述分类器中的各个模板向量与所述特征向量之间的匹配度；

最高匹配度选取单元，用于从计算得到的各个匹配度中选取出最高的匹配度；

匹配成功判断单元，用于若所述最高的匹配度大于预设的匹配度阈值，则判定匹配成功；

匹配失败判断单元，用于若所述最高的匹配度小于或预设的匹配度阈值，则判定匹配失败。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

应理解，上述各个实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图5是本发明一实施例提供的图像方向识别终端设备的示意框图。如图5所示，该实施例的图像方向识别终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个图像方向识别方法实施例中的步骤，例如图1所示的步骤s101至步骤s110。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至模块406的功能。

示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述图像方向识别终端设备5中的执行过程。例如，所述计算机程序52可以被分割成参照物确定模块、旋转角度选取模块、参照物旋转模块、参照物特征向量计算模块、特征向量匹配模块、图像方向确定模块。

所述图像方向识别终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述图像方向识别终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是图像方向识别终端设备5的示例，并不构成对图像方向识别终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述图像方向识别终端设备5还可以包括输入输出设备、网络接入设备、总线等。

所述处理器50可以是中央处理单元(centralprocessingunit，cpu)，还可以是其它通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述图像方向识别终端设备5的内部存储单元，例如图像方向识别终端设备5的硬盘或内存。所述存储器51也可以是所述图像方向识别终端设备5的外部存储设备，例如所述图像方向识别终端设备5上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器51还可以既包括所述图像方向识别终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述图像方向识别终端设备5所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。